【技术实现步骤摘要】
本专利技术涉及航天器姿态估计，尤其涉及一种基于频率分布对齐的航天器跨域姿态估计方法及装置。
技术介绍
1、单目六自由度（6 degrees of freedom，6-dof）姿态估计对于航天器实现精准导航和定位至关重要，它有助于实时地获取航天器的位置和旋转信息，从而使得航天器能够在不同的空间环境中自主调整姿态，提高任务执行效率。
2、目前的航天器单目6-dof姿态估计的方法，主要是直接将现有深度学习模型技术从合成仿真数据集（源域）迁移到不同光照真实场景（目标域），但采用这种方式得到的深度学习模型在不同光照场景下对航天器单目6-dof姿态估计的精度并不高。
技术实现思路
1、本专利技术提供一种基于频率分布对齐的航天器跨域姿态估计方法及装置，用以解决现有技术中深度学习模型在不同光照场景下对航天器单目6-dof姿态估计的精度并不高的缺陷，实现深度学习模型在不同光照场景下对航天器单目6-dof姿态估计的精度的提升。
2、本专利技术提供一种基于频率分布对齐的航天器跨域姿态估计方法，包括如下步骤：
3、基于第一模型，将源域数据的频率和目标域数据的频率划分为多个频率组；
4、基于所述多个频率组，将源域数据与目标域数据进行局部分布对齐，并基于局部分布对齐的数据，得到伪目标域数据；
5、基于所述伪目标域数据，对所述第一模型进行监督训练微调，得到第二模型；
6、基于目标域数据和所述第二模型，得到不同光照场景下的航天器姿态估计结果；
7、其中，所述第一模型是根据源域数据集训练得到的深度学习模型。
8、根据本专利技术提供的一种基于频率分布对齐的航天器跨域姿态估计方法，基于第一模型，将源域数据的频率和目标域数据的频率划分为多个频率组，具体包括：
9、基于第一模型，确定源域数据和目标域数据的整个频段的低频划分值和高频划分值；
10、基于所述低频划分值和所述高频划分值，将整个频段划分为低频频率组、中频频率组和高频频率组；
11、基于所述低频频率组、所述中频频率组和所述高频频率组，确定源域数据的多个频率组和目标域数据的多个频率组。
12、根据本专利技术提供的一种基于频率分布对齐的航天器跨域姿态估计方法，基于所述低频频率组、所述中频频率组和所述高频频率组，确定源域数据的多个频率组和目标域数据的多个频率组，具体包括：
13、对于所述低频频率组、所述中频频率组和所述高频频率组中的每个频率组，基于所述每个频率组代表的信息，确定所述每个频率组的多个频率子组；
14、基于所述低频频率组、所述中频频率组和所述高频频率组各自对应的多个频率子组，确定源域数据的多个频率组和目标域数据的多个频率组。
15、根据本专利技术提供的一种基于频率分布对齐的航天器跨域姿态估计方法，基于所述每个频率组代表的信息，确定所述每个频率组的多个频率子组，具体包括：
16、对于低频频率组，以源域数据的多个频率子组和目标域数据的多个频率子组分布接近为目标，确定所述低频频率组的多个频率子组；
17、对于中频频率组，以源域数据的多个频率子组和目标域数据的多个频率子组分布保持在预设范围内为目标，确定所述中频频率组的多个频率子组；
18、对于高频频率组，以源域数据的多个频率子组和目标域数据的多个频率子组分布不接近为目标，确定所述高频频率组的多个频率子组。
19、根据本专利技术提供的一种基于频率分布对齐的航天器跨域姿态估计方法，基于第一模型，确定源域数据和目标域数据的整个频段的低频划分值和高频划分值，具体包括：
20、将源域卫星图像和目标域卫星图像通过离散傅里叶变换转换到频域空间；
21、选取多组不同的初始低频划分值和初始高频划分值，每组不同的初始低频划分值和初始高频划分值对应三个不同的频率组；
22、通过离散傅里叶逆变换，将各个频率组的频率和转换到图像空间，得到源域对应所述各个频率组的图像以及目标域对应所述各个频率组的图像；
23、基于直方图对齐函数，将源域对应所述各个频率组的图像和目标域对应所述各个频率组的图像进行对齐，得到所述各个频率组对齐后的图像；
24、基于所述各个频率组对齐后的图像和所述第一模型的损失函数值，确定源域数据和目标域数据的整个频段的低频划分值和高频划分值。
25、根据本专利技术提供的一种基于频率分布对齐的航天器跨域姿态估计方法，基于局部分布对齐的数据，得到伪目标域数据，具体包括：
26、通过多种不同方式划分多个频率组，并得到所述多种不同方式对应的多组不同的局部分布对齐的数据；
27、基于像素分布度量函数，从所述多组不同的分布对齐的数据中选取整体最优的局部分布对齐的数据，作为所述伪目标域数据。
28、本专利技术还提供一种基于频率分布对齐的航天器跨域姿态估计装置，包括如下模块：
29、划分模块，用于基于第一模型，将源域数据的频率和目标域数据的频率划分为多个频率组；
30、对齐模块，用于基于所述多个频率组，将源域数据与目标域数据进行局部分布对齐，并基于局部分布对齐的数据，得到伪目标域数据；
31、微调模块，用于基于所述伪目标域数据，对所述第一模型进行监督训练微调，得到第二模型；
32、估计模块，用于基于目标域数据和所述第二模型，得到不同光照场景下的航天器姿态估计结果；
33、其中，所述第一模型是根据源域数据集训练得到的深度学习模型。
34、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于频率分布对齐的航天器跨域姿态估计方法。
35、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于频率分布对齐的航天器跨域姿态估计方法。
36、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于频率分布对齐的航天器跨域姿态估计方法。
37、本专利技术提供的基于频率分布对齐的航天器跨域姿态估计方法及装置，通过基于第一模型将源域和目标域的数据的频率划分为多个频率组，并对每个频率组进行局部分布对齐，得到伪目标域数据，根据伪目标域数据监督训练微调第一模型后得到第二模型，再根据第二模型和目标域数据，得到不同光照场景下的航天器姿态估计结果，从而提高了模型在目标域上的泛化能力和估计准确性，特别是在光照变化等复杂场景下，可以实现对航天器的姿态估计更加精确和稳定。
本文档来自技高网...【技术保护点】
1.一种基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，包括：
2.根据权利要求1所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于第一模型，将源域数据的频率和目标域数据的频率划分为多个频率组，具体包括：
3.根据权利要求2所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于所述低频频率组、所述中频频率组和所述高频频率组，确定源域数据的多个频率组和目标域数据的多个频率组，具体包括：
4.根据权利要求3所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于所述每个频率组代表的信息，确定所述每个频率组的多个频率子组，具体包括：
5.根据权利要求2所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于第一模型，确定源域数据和目标域数据的整个频段的低频划分值和高频划分值，具体包括：
6.根据权利要求1-5任一所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于局部分布对齐的数据，得到伪目标域数据，具体包括：
7.一种基于频率分布对齐的航天器跨域姿态估计装
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述基于频率分布对齐的航天器跨域姿态估计方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于频率分布对齐的航天器跨域姿态估计方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于频率分布对齐的航天器跨域姿态估计方法。
...【技术特征摘要】
1.一种基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，包括：
2.根据权利要求1所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于第一模型，将源域数据的频率和目标域数据的频率划分为多个频率组，具体包括：
3.根据权利要求2所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于所述低频频率组、所述中频频率组和所述高频频率组，确定源域数据的多个频率组和目标域数据的多个频率组，具体包括：
4.根据权利要求3所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于所述每个频率组代表的信息，确定所述每个频率组的多个频率子组，具体包括：
5.根据权利要求2所述的基于频率分布对齐的航天器跨域姿态估计方法，其特征在于，基于第一模型，确定源域数据和目标域数据的整个频段的低频划分值和高频划分值，具体包括：
【专利技术属性】
技术研发人员：张云峰，聂祥丽，邢炳楠，张波，乔红，
申请(专利权)人：中国科学院数学与系统科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。